왜 지금 이 결정을 미룰 수 없는가?
사내 GPU 1~2장으로 14B급 모델을 직접 구동하는 패턴이 표준이 되면서, 운영 지식의 1차 독자가 사람과 AI 둘로 늘었습니다(백서 §1.2.1). 그래서 우리 조직은 사내 문서 중 AI가 즉시 읽는 평문(.md) 비율을 먼저 점검해야 합니다. 같은 런북을 마크다운(MD, 사람·AI 모두 손실 없이 읽는 평문)으로 둔 팀과 위키 전용 포맷으로 둔 팀은 AI가 처리하는 입력 토큰 소비가 1.0배 대 1.5~2.0배로 갈립니다(백서 §1.2.2).
MSAP.ai 백서 구독하기🔔
새로운 백서 소식을 가장 먼저 만나보세요!
MSAP.ai 가 전하는 AI 기반 운영 인사이트와 최신 백서 소식을 가장 빠르게 받아보실 수 있습니다.
구독해 주시면 더 좋은 콘텐츠로 보답하겠습니다.🙏
표면은 지식 분산인데, 진짜 문제는 무엇인가?
근본 문제는 “문서가 흩어져 있다”가 아니라 “사람과 AI가 다른 데이터 소스를 본다”는 데 있습니다. RAG(검색 보강 생성, AI가 답하기 전에 사내 문서를 먼저 검색해 근거로 쓰는 방식) 도구가 6개월 전 위키를 보고 사람은 어제 런북을 보면 결론이 갈립니다(백서 §1.2.3). 또 핵심 운영자 한 명이 자리를 비우면 평균 복구 시간(MTTR)이 평소의 2~4배까지 늘 수 있습니다(백서 §1.1.3).
같은 책장을 만들면 무엇이 달라지는가?
해법은 MD를 기본 단위로 두고 사람과 AI가 같은 디렉터리를 함께 편집하며, 그 디렉터리가 곧 사내 Local LLM(사내 GPU에서 직접 구동하는 대규모 언어 모델)의 검색 소스가 되는 AI 운영 지식 저장소입니다(백서 §1.4.1). 외부 LLM 호출 0건이 로그로 검증되어 금융·공공·의료 규제와 정합합니다(백서 §1.4.2).
| 항목 | 도입 전 | 도입 후 |
|---|---|---|
| 사후 보고서 작성 | 직접 90~150분 | 검토·승인 12분 (백서 §8.1.4) |
| 사람·AI 근거 | 서로 다른 저장소 | 같은 디렉터리 (백서 §1.2.3) |
| 외부 호출 입증 | 불가 | 0건 로그 검증 (백서 §1.4.2) |
도입 효과 — 무엇이 얼마나 줄어드나?
이 저장소의 효과는 사람이 새로 쓸 일을 줄이는 데서 나옵니다. 사후 보고서 한 건이 직접 작성 90~150분에서 검토 12분으로 압축되어, 운영자 5명이 분기당 12건을 다루면 분기당 약 78~108시간이 절감됩니다(백서 §8.1.4). 도입 비용 회수는 약 6~18개월로 추정되며, 기존 SaaS 위키 라이선스 회피만으로도 12개월 내 손익분기가 가능한 경우가 많습니다(백서 §9.1.2).
우리 기관은 무엇부터 결정해야 하는가?
- [ ] 30일: 가장 익숙한 시스템 1개를 첫 이식 대상으로 선정합니다(백서 §9.2).
- [ ] 30일: 검증 기준 5개(보고서 24시간 내 머지율 ≥80%, 런북 최신성 ≤6개월, AI 인용율 ≥95% 등)를 확정합니다(백서 §9.1.1).
- [ ] 60일: 사내 GPU(24GB 1장)를 확보하고 Local LLM·검색 인덱스를 구축합니다(백서 §7.1.2).
- [ ] 60일: 인시던트 자동 보존부터 사람 승인 머지까지 학습 순환을 1회 완주합니다(백서 §7.1.3).
- [ ] 90일: 손익분기를 자체 산정하고 확산 전략을 결정합니다(백서 §9.1.2).
도입 전 자주 묻는 질문 — 체크리스트
Q. AI 운영 지식 저장소란 무엇인가요?
MD를 기본 단위로 사람과 AI가 같은 디렉터리를 함께 편집하는 저장소로, 그 디렉터리가 사내 Local LLM의 검색 소스가 됩니다(백서 §1.4.1).
Q. 외부로 데이터가 나가지 않음을 어떻게 증명하나요?
사내 GPU 구동 LLM은 외부 호출 0건을 로그로 입증할 수 있어 금융·공공·의료 규제와 정합합니다(백서 §1.4.2).
Q. 처음부터 전사로 도입해야 하나요?
아닙니다. 단일 시스템을 6주 안에 검증하는 PoC(개념 검증)가 가장 작은 도입 단위이며, 확장은 같은 패턴의 반복입니다(백서 §7.1).
문의
- 홈페이지: https://www.msap.ai/
- 이메일: hello@msap.ai
- 전화: 02-6953-5427
